2026年09月29日（优分析／产业数据中心报导）⸺ NVIDIA(NVDA-US)正将AI基础建设的标准化范围，从GPU、伺服器与机柜延伸至整座资料中心。台达电(2308-TW)最新宣布，将针对NVIDIA DSX AI Factory Platform开发整合式基础设施，涵盖中压配电、固态变压器(SST)、储能、800V DC供电及液冷系统，显示AI Factory标准正从IT设备向电力与冷却基础设施延伸，也让台达电商机从White Space白空间进一步扩大至Grey Space灰空间。

NVIDIA DSX AI Factory Platform是一套用于设计、部署及营运AI Factory的平台。NVIDIA将参考设计、开放软体、加速运算系统、资料中心基础设施及合作伙伴技术纳入同一套架构，目的在缩短AI资料中心从设计、建置到GPU实际上线运算所需的时间。

随着AI伺服器功率密度快速攀升，影响GPU能否如期上线的因素，已不再只有伺服器供应，电力输入、转换、配送及液冷设备都必须同步到位。因此，NVIDIA正加快制定AI基础建设规格与标准化认证，将标准从GPU与机柜进一步延伸至资料中心的电力与冷却架构，以缩短AI算力部署时间。

NVIDIA 于 2026年9月中旬推出了 DSX Ready 认证计划。该计划首批涵盖两个类别：电池储能系统（BESS）和冷却分配单元（CDU）。官方定义是：产品或解决方案完成特定类别的资格要求后，可以取得DSX Ready资格，让AI Factory建置者辨识哪些产品已符合NVIDIA DSX的功能需求。

在这套架构下，台达电(2308-TW)扮演的角色，是把「电力进入资料中心」到「GPU开始运算」之间所需的基础设施串接起来，定位更接近系统整合与基础设施供应商，因此尚未显示台达相关产品是否将列入这次DSX Ready资格名单，不过NVIDIA AI Infrastructure副总裁Vladimir Troy已表示，台达的800V DC与液冷能力将协助客户更快部署基于NVIDIA DSX的AI Factory。

如何运作？台达电做了那些环节？

在资料中心Grey Space端，台达电整合储能系统(ESS)、固态变压器(SST)及中压设备，负责电力储存、转换与配送；进入IT Space后，再衔接800V DC供电、机柜级电力设备及液冷系统，让供电与散热能力一路延伸至接近AI晶片的位置。

其中，800V DC是下一代AI资料中心电力架构的重要变化之一。

传统资料中心的电力从电网一路送至GPU，需要经过多个电压转换环节，每一次转换都会带来能源损耗并产生热能。台达电的800V DC架构透过减少中间转换层级，提高整体供电效率，电力转换效率最高可达98%，单一In-Row Power Rack最高可支援800kW。

电力进一步送至板端后，台达电可将800V DC直接降压至50V或12V，峰值转换效率最高达98.5%。这代表台达电的电力产品布局，已从资料中心中压设备一路延伸至接近AI晶片的板端供电，涵盖AI资料中心主要的电力转换环节。

冷却系统则采取类似的整合策略。台达电目前液对液CDU容量涵盖2.4MW与3MW，并搭配In-Rack Cooling等方案，使供电与散热系统能同步支援下一代高功率AI机柜。

如何缩短交期？以支援AI扩张速度

另一项值得关注的趋势，是AI资料中心的电力与冷却系统正从过去高度依赖现场施工与整合，逐步转向预制化与模组化，以缩短建置时间并加快GPU算力上线速度。

台达电的Prefabricated AI Modular Data Center Solution，已将800V DC In-Row Power与最高3MW液冷能力整合为基础设施模组，可先在工厂完成组装、系统整合与测试，再运往资料中心现场部署。

这种做法等于将部分原本必须在资料中心工地完成的工程移往工厂端，不仅降低现场施工、整合及测试的复杂度，也能配合GPU实际部署进度分阶段增加电力与冷却容量。对AI资料中心业者而言，基础设施能否快速复制与扩充，正逐渐成为影响GPU上线速度的重要因素。

不只台达电，AI资料中心基础设施全面走向标准化

施耐德电机Schneider Electric(SU-FR)也开始将过去高度客制化的中压开关设备，转向标准化硬体搭配软体设定。公司估计，新架构可让订购与制造速度最快提高至原本的3倍，现场测试与启用速度最高提高至2倍。

台达电与施耐德电机采用的产品与技术路线虽然不同，但反映的产业需求相同：随着GPU世代更新加快、AI算力需求持续扩张，资料中心建设模式也必须跟着改变。

过去AI基础建设的焦点主要集中在GPU取得与伺服器供应，如今电力容量、供电架构与液冷设备正逐渐成为影响AI算力能否快速上线的另一个关键。当GPU与AI机柜朝更高功率密度发展，电力及冷却系统也开始走向标准化、模组化与预制化，目的都是缩短从设备采购、资料中心建置到GPU正式投入运算之间的时间。

※ 本文经「优分析」授权转载，原文出处:原文连结
※ 免责声明：文中所提的个股、基金、期货商品内容仅供参考，并非投资建议，投资人应独立判断，审慎评估风险。